Professional Documents
Culture Documents
MLLecture2 Statistics1
MLLecture2 Statistics1
"
:2
. ( X , Y ) , , X
() . Y
.
:
.1 : ) . p X ,Y ( x, y
: ) . p X |Y ( x | y ) , pY ( y
.2 - : ) p X |Y ( x | y.
, Y , .
:
) p X ( x ,
.
(") , X , x ()
. X. x, X X ,
) ( p X ( x ) x
. p X () { p X ( x ) : x X } :
: 2
(")
2.1
, : (") Y ) . pY ( y
y . Y ?
:
y E (Y ) y pY ( y )dy
.:
) y arg max y pY ( y
. :
. ():
prob(Y y ) 0.5
y median(Y ) :
min y E (Y y )2
:
| min y E | Y y
- : , (
) . :
E (Y y )2
. :
Var(Y ) E (Y E (Y ))2
. ( ):
) Y var(Y
. :
] E (Y ) 3Y [ E (Y ) 3Y , E (Y ) 3Y
: 2
(")
2.2
() :
) p X ,Y ( x, y ) . ( X , Y
. X x
. Y
, :
) , pY ( y (.)prior distribution ,
) , p X |Y ( x | y .
, ( ) Y : X x
) p X ,Y ( x, y
p X ,Y ( x, y )dy
) p X ,Y ( x, y
)pX ( x
pY | X ( y | x )
( :)Bayes ,
) p X |Y ( x | y
p X ,Y ( x | y ) pY ( y )dy
pY | X ( y | x )
: , y . x
) . pY | X ( | x
( )posterior distribution . Y
, Y Y ,
- .:
. (:)MMSE
y MMSE
y E (Y | X x ) y pY | X ( y | x )dy
, , :
:
. (:(MAP
y MAP
)y max y pY | X ( y | x
3
: 2
(")
2.3 -
, () . p X |Y ( | y ), y , :
) pY ( y , . Y
MLE, Maximum Likelihood Estimator
: 2
(")
2.4
.
( ) .
, ) , p X |Y ( x | y ) , pY ( y Y
x . X () , y : X Y ) . y( x
y ( x ) Y
x X
:
.1 Y , :
} , K
Y {1, 2 ,
, y .
.2 : , X x
y( x ) :
) prob( y ( x ) Y | X x
: x } , K
)Pe ( y | x
. {1, 2 , x
, .
:
.1 x . ( ) 1 ( .) 2
.2 , } . {s(t ), 0 t T ") 0 ( "0
".) 1 ( "1
.3 x . .
: 2
(")
) y( x ( .) x
, y( x ) : , .
, " " , "
1 ." 3 ,
.
.
:
) prob( y ( x ) Y | X x
)Pe ( y | x
. :
) prob( y ( X ) Y
) Pe ( y
( MAP ) :
(.)Bayes Classifier
. p X |Y , pY : :
p X |Y ( x | ) pY ( )
y MAP ( x ) arg max
)pX ( x
p X ( x ) - , -
() ) . p( x
: 2
(")
( )
) y MAP ( x ,
, x .
: :
) prob( y ( x ) Y | X x
) Pe ( y | x
) 1 prob( y ( x ) Y | X x
) Pe ( y | x ) y( x .
) . y MAP ( x
:
) Pe ( y ) prob( y ( X ) Y
prob( y ( x ) Y | X x ) p X ( x )dx
x
y MAP x ,
.
.
) p X |Y ( | i .
, , . x
( )1 -:
. x
exp{( x i )2 / 2 i2 }, i
,
1
(2 i2 )1/2
p X |Y ( x | i )
, i j
) . p X |Y ( x | i ) pY (i ) p X |Y ( x | j ) pY ( j
, :
7
: 2
(")
p( x | j ) Pj
i j :
p( x | i ) Pi
p( x | j ) Pj
- i j :
p( x | i ) Pi
) . p( x | i ) p(i ) p( x | j ) p( j .Bayes decision boundary
" ( ).
( )2 -:
, xd )T
. x ( x1,
"
exp{ 12 ( x i )T i1 ( x i )}, i
) p( x | j ) p( j
. p( x | i ) p(i )
1
| | i
1/2
d /2
) (2
p X |Y ( x | i )
gi ( x ) g j ( x ) 0
) gij ( x
gi ( x ) 12 ( x i )i1 ( x i ) i , i
(")
: 2
. gi j ( x ) 0 -
( ) ) d 2, x ( x1, x2 , , .
( i j ) ,
(-) :
x2
i
i
j
x1
.
} . {1, 2
) y MAP ( x:
y ( x ) 1
p X |Y ( x | 1 ) pY (1 ) p X |Y ( x | 2 ) pY (2 )
y ( x ) 2
p X |Y ( x | 1 ) pY (1 ) p X |Y ( x | 2 ) pY (2 )
( ) . ,
y( x )
) pY (2
) p (
Y
1
) p X |Y ( x | 1
) p X |Y ( x | 2
, ) . 1,2 ( x . C ,
:
9
: 2
(")
1,2 ( x ) C
( ) . (
) " -".
: :
) prob( y ( X ) Y
) Pe ( y
) Pe ( y ) Pe (2 |1) pY (1 ) Pe (1| 2) pY (2
) P2|1 ( y ) prob( y ( X ) 2 | Y 1
) P1|2 ( y ) prob( y ( X ) 1 | Y 2
2 ,1.
:
) , pY (i p X |Y . y
) pY (i ( ) ,
-.
,
, .:
( )
, ( C ?).
10
: 2
(")
. (*)
, , . ,
Y .
) , ( y,
, :Y
( y, ) 0 .
( y, ) 0 . . y
:
)L( y | x) E ( ( y ( X ),Y ) | X x
):(Expected Risk
)) . L( y) E ( ( y ( X ), Y
,
1 : y
. ( y , ) I { y }
0 : y
: ) ( y, :
: y
0
( y, ) ( ) I { y }
( ) : y
( ) 0 . ) y( x
( ( x .
: }( ) I { y( x )
) pY |X ( | x
11
. L( y | x )